Gradio

• DEV
• Vibe

S1 Mini: beszédátiratok tisztítása egyszerűen és gyorsan

Fahd Mirza2 napja

• DEV
• Vibe

Audio8 TTS 0.6B: Kompakt hangmodell tesztje különböző nyelveken

Fahd Mirza20 napja

• DEV
• Vibe

ARK-ASR többnyelvű beszédfelismerő tesztje valós körülmények között

Fahd Mirza23 napja

• DEV
• Vibe

Mage Flow: helyi képgenerálás kis méretű AI modellekkel

Fahd Mirza29 napja

• DEV
• Vibe

Alibaba OvisOCR2: hatékony és kompakt OCR megoldás bonyolult dokumentumokra

Fahd Mirza31 napja

• DEV
• Vibe

Audex-2B: Új AI modell, amely hall, fordít és válaszol

Fahd Mirza49 napja

• DEV
• Vibe

Baidu új OCR rendszere: hosszú dokumentumok memóriából való feldolgozása pontosan és gyorsan

Fahd Mirza63 napja

• DEV
• Vibe

A hangklónozás új szintje: dots.tts modell bemutatója és tesztje több mint 100 nyelven

Fahd Mirza69 napja

• DEV
• Vibe

Hangklónozás és érzelemgazdag TTS: a Higgs Audio V3 bemutatója több mint 100 nyelven

Fahd Mirza78 napja

• DEV
• Vibe

NVIDIA Cosmos 3: Az új generációs fizikai világmodellező AI bemutatása

Fahd Mirza85 napja

• DEV
• Vibe

Nvidia Locate Anything: Az objektumfelismerés új dimenziója képeken és videókon

Fahd Mirza85 napja

• DEV
• Vibe

Stable Audio 3: világzenét varázsol a gépedre

Fahd Mirza90 napja

• DEV
• Vibe

Új kompakt AI-modell lenyűgöző teljesítménnyel: MiniCPM5-1B a gyakorlatban

Fahd Mirza92 napja

• DEV
• Vibe

Új érzelemgazdag hanggeneráló mesterséges intelligencia bemutatása

Fahd Mirza100 napja

• DEV
• Vibe

Xiaomi Mimo V2.5 ASR: új szint a beszédfelismerésben zajos környezetben

Fahd Mirza117 napja

• DEV
• Vibe

Nvidia NeMo Trove v2: gyors, többnyelvű OCR modell CPU-ra optimalizálva

Fahd Mirza120 napja

• DEV
• Vibe

ACE-Step 1.5-XL zene generáló AI telepítése és tesztelése otthon

Fahd Mirza132 napja

• DEV
• Vibe

Netflix varázslat: eltüntethetők a videós tárgyak AI segítségével

Fahd Mirza133 napja

• DEV
• Vibe

MOS TTS Nano: Sokoldalú szövegfelolvasó kis erőforrással és többnyelvű támogatással

Fahd Mirza134 napja

• DEV
• Vibe

VoxCPM2: Többnyelvű beszédgenerátor tesztje és működése Ubuntu szerveren

Fahd Mirza139 napja

• DEV
• Vibe

Voxtral 4B: Az új többnyelvű TTS megoldás részletei és tesztjei

Fahd Mirza152 napja

• DEV
• Vibe

dots.m OCR: helyi telepítés és szövegek gyors feldolgozása

Fahd Mirza158 napja

• DEV
• Vibe

Qianfan-OCR: Új szintre emeli a dokumentumfeldolgozást

Fahd Mirza160 napja

• DEV
• Vibe

IBM Granite-4 1B: Új beszédfelismerő modell helyi telepítésben és tesztelésben

Fahd Mirza161 napja

• DEV
• Vibe

Az OmniLottie: Animáció mesterséges intelligenciával, könnyedén és gyorsan

Fahd Mirza163 napja